本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
示例数据集
以下是您可以用于 Amazon Lookout for Vision 的示例数据集。
图像分割数据集
开始使用 Amazon Lookout for Vision 提供了一个破损饼干数据集,您可以用它来创建图像分割模型。
有关用于创建图像分割模型的另一个数据集,请参阅不使用 GPU 而在边缘利用 Amazon Lookout for Vision 识别异常的位置
图像分类数据集
Amazon Lookout for Vision 提供了一些电路板的示例图像,您可用它们来创建图像分类模型。
您可以从 https://github.com/aws-samples/amazon-lookout-for-visioncircuitboard
文件夹中。
circuitboard
文件夹包含以下文件夹。
-
train
:您可以在训练数据集使用的图像。 -
test
:您可以在测试数据集使用的图像。 -
extra_images
:您可以用来执行试用检测的图像,或者可用来通过 DetectAnomalies 操作试用所训练模型的图像。
train
和 test
文件夹各有一个名为 normal
的子文件夹(包含正常的图像)和一个名为 anomaly
的子文件夹(包含存在异常的图像)。
注意
随后,当您使用控制台创建数据集时,Amazon Lookout for Vision 可以使用文件夹名称(normal
和 anomaly
)自动标注图像。有关更多信息,请参阅 使用存储在 Amazon S3 桶中的图像创建数据集。
准备数据集图像
-
将 https://github.com/aws-samples/amazon-lookout-for-vision
存储库克隆到您的计算机。有关更多信息,请参阅克隆存储库 。 -
创建 Amazon S3 存储桶。有关更多信息,请参阅如何创建 S3 桶?。
-
在命令提示符下输入以下命令,以便将数据集图像从您的计算机复制到 Amazon S3 桶。
aws s3 cp --recursive
your-repository-folder
/circuitboard s3://your-bucket
/circuitboard
上传图像后,您便可以创建模型。通过从您之前将电路板图像上传到的 Amazon S3 位置添加图像,您可以自动对图像进行分类。请记住,您需要按照每次成功训练模型以及模型的运行(托管)时间量付费。
创建分类模型
-
完成创建项目(控制台)。
-
-
在步骤 6 中,选择单独的训练数据集和测试数据集选项卡。
-
在步骤 8a 中,输入您在准备数据集图像中上传的训练图像的 S3 URI。例如
s3://
。在步骤 8b 中,输入测试数据集的 S3 URI。例如,your-bucket
/circuitboard/trains3://
。your-bucket
/circuitboard/test -
请务必完成步骤 9。
-
-
完成训练模型(控制台)。
-
完成启动您的模型(控制台)。
-
完成检测图像中的异常。您可以使用
test_images
文件夹中的图像。 -
当您使用完模型后,请完成停止您的模型(控制台)。